bloom filter

bloom filter是什么？

Bloom filter 是由 Howard Bloom 在 1970 年提出的二进制向量数据结构，它具有很好的空间和时间效率，被用来检测一个元素是不是集合中的一个成员。如果检测结果为是，该元素不一定在集合中；但如果检测结果为否，该元素一定不在集合中。因此Bloom filter具有100%的召回率。这样每个检测请求返回有“在集合内（可能错误）”和“不在集合内（绝对不在集合内）”两种情况，可见 Bloom filter 是牺牲了正确率和时间以节省空间。

上面这段说明是来自百度百科，听起来有点 绕口，我重新带入点画面感来描述一下:
Bloom filter像是一个宁杀错不放过的暴力执法者，他特别历害，当这块空间范围内有坏蛋就一定会被抓住并且从未失过手，但比较坑的是小机率会抓错人。

什么时候用bloom filter?

当需要判断元素是否在集合中的时候，通常是把元素先保存在集合内，当集合内的元素越来越多，且单个元素的量又有一点长的时候(比如说URL)，集合占用的内存空间就会越来越大，检索速度会越来越慢、内存空间越占越多。这个时候可以考滤用bloom filter了。但是要注意的是它并不是精确的，如果你的场景对精度要求不高可以考滤使用。 我是在做爬虫框架时做URL去重用的，要求并没有那么精确。

具体细节我也是在百度百科上看的，想了解更多去这里吧
https://baike.baidu.com/item/bloom filter/6630926?fr=aladdin